DOCTORAT DE L'UNIVERSITÉ DE TOULOUSE
Délivré par :
Institut National Polytechnique de Toulouse (INP Toulouse)
Discipline ou spécialité :
Génie Électrique
Présentée et soutenue par :
M. REMY RIGO-MARIANI
le lundi 8 décembre 2014
Titre :
Unité de recherche :
Ecole doctorale :
METHODES DE CONCEPTION INTEGREE
"DIMENSIONNEMENT-GESTION" PAR OPTIMISATION D'UN MICRO-RESEAU AVEC
STOCKAGE
Génie Electrique, Electronique, Télécommunications (GEET)
Laboratoire Plasma et conversion d'Energie (LAPLACE)
Directeur(s) de Thèse :
M. XAVIER ROBOAMM. BRUNO SARENI
Rapporteurs :
M. BRUNO FRANCOIS, ECOLE CENTRALE DE LILLE M. SEDDIK BACHA, UNIVERSITE GRENOBLE 1
Membre(s) du jury :
1 M. BERNARD MULTON, ECOLE NORMALE SUPERIEURE DE CACHAN, Président
2 M. BRUNO SARENI, INP TOULOUSE, Membre
2 M. JEAN-MICHEL VINASSA, INP BORDEAUX, Membre
2 M. STEPHAN ASTIER, INP TOULOUSE, Membre
Méthodes de conception intégrée « dimensionnement-gestion »
par optimisation d’un microréseau avec stockage
Résumé:
L‘augmentation de la consommation pour soutenir la croissance, le souci de réduction
des gaz à effet de serre et les avancées technologiques ont favorisé le développement des
sources d‘énergie renouvelables depuis les années 90. L‘implantation de ces générateurs
décentralisés a progressivement modifié l‘architecture du réseau en passant d‘un modèle
vertical à une situation davantage clusterisée. Ce réseau maillé voit ainsi apparaitre de
nouveaux acteurs, à la fois producteurs et consommateurs (en anglais, les « prosumers»). Pour
ce type de structures, la stratégie classique actuelle consiste à acheter l'ensemble de l'énergie
consommée alors que la totalité de la production est vendue séparément à des tarifs
intéressants. Avec les progrès réalisés sur les différentes technologies de stockage, de
nouveaux degrés de liberté apparaissent et des opérations plus intelligentes deviennent
possibles. L‘objet de l‘étude est un microréseau comprenant un générateur photovoltaïque et
un consommateur tertiaire associés à un moyen de stockage. Deux technologies sont
envisagées avec des volants d‘inertie dans un premier temps et une batterie électrochimique
(Li-ion) par la suite. Les domaines d‘étude relatifs à ce type de système sont la gestion
énergétique par planification, la commande temps réel et le dimensionnement. Les travaux de
cette thèse se concentrent d‘abord sur la problématique de gestion par optimisation des flux
d‘énergie. Différents algorithmes sont ainsi utilisés et comparés pour planifier le
fonctionnement du microréseau. L‘objectif est de diminuer la facture énergétique en tenant
compte des données de consommation et production mais également des politiques tarifaires
en vigueur et d‘éventuelles contraintes de fonctionnement imposées par le fournisseur
d‘énergie. Dans un second temps la problématique de dimensionnement est abordée avec une
démarche de conception optimale intégrant la boucle de gestion dès la phase de design. Nous
montrons plus particulièrement comment l‘adéquation entre les méthodes d‘optimisation
utilisées et le modèle du microréseau employé peut permettre la réduction significative des
temps de calcul. Une configuration optimale du microréseau, valable sur des horizons
temporels longs intégrant les alternances saisonnières, peut finalement se dégager. Les
travaux se concluent sur une phase d‘analyse avec des dimensionnements établis pour
différents contextes tarifaires. Le but est de dégager des domaines permettant de valoriser et
justifier l‘installation d‘un moyen de stockage qui s‘avère indispensable pour soutenir le
développement des sources d‘énergies renouvelables et assurer la transition énergétique.
Mots clés:
Optimal sizing coupled with management loop for a microgrid
with storage
Abstract:
To face the increasing demand of electrical power in compliance with the liberalization
of the electricity market and the need of reducing CO2 emissions, many distributed energy
resources have emerged and especially the generation systems that utilize renewable energy
sources. In the nearfuture, the grid could be described as an aggregation of several microgrids
both consumer and producer. For those "prosumers", a classical strategy consists in selling all
the highly subsidized production at important prices while all consumed energy is purchased.
Smarter operations now become possible with developments of energy storage technologies
and evolving prices policies. The microgrid considered in the thesis is composed of an
industrial load and a photovoltaic generator associated to an energy storage. Two technologies
are considered with high speed flywheels on one hand and a Li-ion electrochemical battery on
the other. The common study referring to such systems allude to the optimal scheduling, the
real-time management and the sizing methodology. Firstly in the thesis, the optimal power
flow dispatching is performed using various algorithms. Those operations aim at reducing the
electrical bill taking account of consumption and production forecasts as well as the different
fares and possible constraints imposed by the power supplier. Then the design strategy is
investigated. The approach consists in simultaneously integrating the energy management and
the sizing of the system. We particularly underline the complexity of the resulting
optimization problem and how it can be solved using suitable optimization methods in
compliance with relevant models of the microgrid. We specifically show the reduction of the
computational time allowing the microgrid simulation over long time durations in the
optimization process in order to take seasonal variations into account. In the last part a cost
analysis is performed, and different design are computed depending on the prices policies.
The goal is to determine a financial context that would encourage the deployment of storage
systems that are necessary to favor the development of intermittent renewable energy sources.
Keywords:
R
EMERCIEMENTSLes travaux présentés dans ce mémoire ont été réalisés au Laboratoire PLAsma et
Conversion d'Energie (LAPLACE) à l'Ecole Nationale Supérieure d'Electrotechnique,
d'Electronique, d'Informatique, d'Hydraulique et des Télécommunications (ENSEEIHT) de
l'Institut National Polytechnique de Toulouse au sein du groupe Groupe ENergie Electrique
et SYStémique (GENESYS). J'adresse mes premiers remerciements à Monsieur Maurice
Fadel, directeur du LAPLACE site ENSEEIHT, pour m'avoir accueilli au sein du laboratoire
dans un premier temps en tant qu'ingénieur et puis pour effectuer cette thèse.
Je remercie également l'ensemble des membres du jury:
Monsieur Bernard Multon, Professeur des universités à l'Ecole Normale Supérieure
de Rennes, Laboratoire SATIE, pour nous avoir fait l'honneur de présider
brillamment ce jury.
Monsieur Bruno Francois, Professeur des universités à l'Ecole Centrale de Lille,
Laboratoire L2EP, et Monsieur Seddik Bacha, Professeur des universités à l'INP de
Grenoble, Laboratoire G2ELab, pour avoir tout deux accepté d'endosser la tache de
rapporter cette thèse. Je retiens leur sympathie et les leurs remarques constructives le
jour de la soutenance.
Monsieur Jean-Michel Vinassa, Professeur des universités à l'Institut Polytechnique
de Bordeaux, Laboratoire IMS, pour avoir officié en tant qu'examinateur et l'intérêt
qu'il a porté à mes travaux.
Monsieur Stéphane Biscaglia, ingénieur ADEME, pour avoir accepté de participer à
la soutenance. L'ADEME a soutenu le projet Smart ZAE qui a servi de point de
départ à l'étude menée dans ce manuscrit.
Monsieur Jean-Gabriel Steinmetz, responsable des activités Smart Grid chez SCLE
SFE, acteur majeur du projet Smart ZAE chez lequel le démonstrateur est implanté.
Au cours des différentes réunions il a toujours fait preuve de clarté dans la manières
de définir les stratégies de gestion à mettre en place. Je lui souhaite bienvenue en
terres toulousaines après quelques années passées dans la grisaille parisienne.
Monsieur Stéphan Astier, Professeur des universités à l'INP de Toulouse, Laboratoire
LAPLACE, pour avoir examiné ces travaux et apporté des commentaires précieux
suite à la correction du premier chapitre. Après avoir été un de ses étudiants, c'était
un honneur et un plaisir de pouvoir travailler avec lui, de profiter de ses connaissance
poussées et de ses points de vue originaux sur les problématiques énergétiques au
cours de discussions toujours passionnées. Je lui souhaite de profiter au maximum de
sa prochaine retraite bien méritée.
Monsieur Xavier Roboam, Directeur de recherche CNRS, INP de Toulouse,
Laboratoire LAPLACE, directeur ou co-directeur de thèse (nous n'avons jamais
vraiment su), pour m'avoir accueilli au sein du groupe GENESYS et m'avoir proposé
un sujet de thèse sur des problématiques qui me tiennent à cœur après une année en
tant qu'ingénieur. Au cours de ce doctorat il a toujours fait en sorte que je ne m'égare
pas sur des pistes de recherche trop nombreuses tout en me laissant une très grande
autonomie. Je le remercie également pour avoir pris le temps de relire et corriger
mon manuscrit initial avec son cortèges de fautes d'orthographe.
Monsieur Bruno Sareni, Professeur des universités à l'INP de Toulouse, Laboratoire
LAPLACE, pour avoir été mon second (co-)directeur de thèse, pour sa disponibilité
et le temps passé à la relecture du manuscrit. Lui aussi a su m'aiguiller efficacement
tout en m'accordant une grande confiance. Malgré les nombreux moments passés à
faire de la mise en page, je le remercie également pour m'avoir transmis sa rigueur en
ce qui concerne la rédaction d'articles. Je lui souhaite de ne pas se faire trop parasiter
par les taches administratives dans ses nouvelles fonctions de directeur du
Département GEA!
Je ne suis pas le premier doctorant co encadré par Xavier Roboam et Bruno Sareni et je
ne resterai surement pas le dernier, je souhaite donc aux suivants d'éprouver autant de plaisir
que j'ai pu avoir à travailler avec eux. J‘en profite pour adresser mes remerciements à
l‘ensemble des autres personnes, stagiaires, doctorants, postdoc impliquées de près ou de loin
dans les travaux de cette thèse, Reda Bouij, Vincenzo Rocuzzo, Javier Cabello et David
Hernandez.
Mes remerciements suivants s'adresse à l'ensemble du personnel du laboratoire, aux
secrétaires Valérie Schwarz, Cécile, Catherine Moll Mazella ,Daguillanes et Carine Bastié
ainsi qu'aux informaticiens David Bonnafous et Jacques Benaioun qui travaillent dans l'ombre
afin de rendre possible l'ensemble des études menées aux laboratoire. Je remercie ensuite les
permanents que j'ai pu côtoyer durant mes année passées au LAPLACE: Jeremi Regnier,
Sandra Ngueveu, Antoine Picot, Guillaume Fontes, Nicolas Roux, Frederic Messine, Francois
Pigache et Eric Duhayon pour m'avoir chacun donné sa vision du métier de Maître de
conférences. Merci également à Fabien Lacressonière pour avoir relu mon second chapitre et
apporté des précisions. Je tiens à saluer l'équipe PAC, Christophe Turpin, Olivier Raillères et
surtout Eric Bru dont l'expérience et la bonne humeur m'ont accompagnées durant l'ensemble
des essais réalisés pendant mon contrat d'ingénieur.
Dans le cadre de mon monitorat, je remercie tout d‘abord Jean-François Rouchon pour
m‘avoir accueilli au sein du département Génie Electrique et Automatique, ainsi que Henri
Schneider et Frederic Gailli pour m‘avoir briefé sur l‘encadrements des BER. J‘adresse toute
ma sympathie à Eric Duhayon et François Pigache pour m‘avoir impliqué dans l‘élaboration
de nouveaux sujets et avoir partagé avec moi leur optimisme inébranlable… enseigner c‘est
espérer ! J‘en profite pour remercier le personnel technique de la salle TP Jacques Luga et
Laurent Dollo toujours dans les bons concerts des environs.
Je remercie également mes collègues doctorants; les anciens: Frederic Gailly et Dédé De
Andreade pour leurs tuyaux Matlab, Xavier Giraud pour ses astuces PL, Brice Aubert
(parrain) Baptiste Trajin, Sylvain Girinon, Marwan Zeïdan et Laurianne Menard, Damien
Bidart - et les nouveaux, Maël Muserolle, Leon Halvez, Sebastien Sanchez, Alberto Rossi,
Houdhayfa Ounis, Djamel Habdi, Thomas Martin,... Je salue les autres occupants du bureau
E404, Julian Suarez tout nouveau docteur made in Colombia, Thomas Genevé pour avoir
assuré si souvent la permanence du matin et Jules Gillet celle de 12h-14h (bon courage
papa
!) Je remercie également notre cinquième collègue par intérim Isabelle Labach et salue
sa patience pour m‘expliquer l‘intérêt des PAC et des régimes à base de graines. Je tiens tout
particulièrement à remercier mon ami et collègue Benoit Morin (Bibi) qui m'accompagne
depuis plusieurs années déjà en festival, en soirées, en trips grotte/montagne/ski... et un peu au
travail aussi en fumant un café à la pause !
Trois années de thèse ne se passent pas sans décompresser avec les amis qui m‘ont sans
cesse soutenu. Je remercie d‘abord mes colocataires, Reine pour m‘avoir convaincu de
commencer cette thèse, Gab pour s‘être attelé à la pré-relecture des chapitres, avoir écrémé
pas mal de fautes et ses pâtisseries cup cake tuto, Amélia pour m‘avoir entendu râler si
souvent sans broncher et pour son couscous annuel, Raouf pour avoir essuyé les plâtres du
.ppt et son rougail, et notre chat Sullyvan/Titou/Chat pour m‘avoir chauffé les reins pendant la
rédaction. Je remercie également l‘ensemble des vieux de l‘N7 (Bibi, Papi, Bravos, Chnu,
Ivan, Portos, Machino, Breton, Fofie,…), les Toulousains, les Parigots, les Marseillais, les
Beefs, les Ajacciens, les Canadiens, les Ricains, les Singapouriens, les Lyonnais, les profs, les
roux, les psy, les chômeurs, les bobios, les beloteux, les musiciens, les bricolos,... Je ne peux
pas citer tout le monde et m‘excuse pour ceux que j‘ai honteusement oubliés, merci pour tous
les bons moments passés et à venir.
Mes remerciements suivants s‘adressent à ma famille à qui je dois tout, à ma mère qui a
été et sera toujours là pour moi (merci pour avoir géré le pot de thèse comme une chef !), à
mon père pour s‘être toujours intéressé à mon travail, à mes grands-parents pour les bons
légumes du jardin merveilleusement cuisinés (et les oursins !), à mes tontons et cousins. Un
grand merci enfin à ma copine Auré pour qui ces trois ans de thèse n‘ont pas été de tout repos
et qui à du gérer mon caractère parfois soupe au lait. Je t‘embrasse très fort !
« La seule énergie propre est celle que l’on ne consomme pas »
Bon sens…
L
ISTE DES SYMBOLES... 1
I
NTRODUCTION GENERALE... 5
C
HAPITREI :
M
ICRORESEAUX INTELLIGENTS AVEC MOYEN DE STOCKAGE... 9
1 Introduction ... 10
2 Contexte énergétique ... 10
2.1 Consommation et mix énergétique ... 10
2.2 Ressources fossiles limitées et transition énergétique ... 13
2.3 Gestion du réseau électrique ... 16
2.3.1 Intégration limitée des Enr ... 16
2.3.2 Emergence des Smart Grids ... 18
2.4 Stockage d'énergie ... 20
2.4.1 Verrous économiques ... 20
2.4.2 Verrous réglementaires ... 22
3 Position du problème étudié ... 23
3.1 Microréseaux intelligents multi-sources avec stockage raccordés au réseau centralisé ... 23
3.1.1 Champs d'application des Smart Grids ... 23
3.1.2 Différents types de microréseaux ... 24
3.1.3 Projet Smart ZAE ... 25
3.2 Gestion du microréseau ... 26
3.2.1 Contexte tarifaire ... 26
3.2.2 Stratégie de gestion choisie ... 28
4 Gestion des flux d’énergie ... 29
4.1 Modélisation des systèmes ... 29
4.2 Planification et contrôle hiérarchique ... 30
4.3 Algorithmes de planification pour système multi-sources ... 31
4.3.1 Résolution pas à pas de la mission ... 32
4.3.2 Résolution globale de la mission ... 33
5 Dimensionnement d'installations ... 35
5.1 Conception Optimale ... 35
5.2 Faire face à la complexité ... 36
5.3 Aperçu de l'approche développée dans la thèse ... 38
6 Conclusions ... 39
C
HAPITREII :M
ODELISATION DU MICRORESEAU... 41
1 Introduction ... 42
2 Modélisation du microréseau ... 42
2.1 Représentation sous forme de graphe ... 42
2.2.1 Matrice d'adjacence et mise en équation générique ... 44
2.2.2 Degrés de liberté et résolution des équations... 46
3 Modélisation des entrées du problème ... 47
3.1 Profils de consommation ... 47
3.1.1 Données de consommation sur site ... 47
3.1.2 Construction des prévisions et des réalisés ... 48
3.2 Profils de production ... 49
3.2.1 Modèle de panneaux photovoltaïques et données solaires ... 49
3.2.2 Constructions des prévisions et des réalisés ... 52
3.3 Politique tarifaire ... 53
4 Modélisation du stockage inertiel ... 55
4.1 Volants d'inertie ... 55
4.2 Exploitation des données constructeurs ... 56
4.3 Implémentation du modèle ... 58
4.3.1 Mise en œuvre pour un stockage inertiel de puissance quelconque ... 58
4.3.2 Simulation de performances ... 59
5 Modélisation du stockage electrochimique ... 60
5.1 Accumulateurs Li-Ion ... 60
5.2 Modélisation de l‘accumulateur ... 62
5.2.1 Modèle de Shepherd ... 62
5.2.2 Identification des paramètres du modèle ... 64
5.2.3 De la cellule à la batterie. ... 67
5.3 Modèles de vieillissement des accumulateurs ... 68
5.3.1 Vieillissement des accumulateurs Li-ion- phénomènes et modélisation ... 68
5.3.2 Modèle avec de comptage de cycles ... 69
5.3.3 Modèle à énergie échangeable ... 71
5.3.4 Comparaison des modèles ... 72
6 Conclusion
s... 74
C
HAPITREIII :
A
LGORITHMES POUR LA GESTION DU MICRORESEAU... 77
1 Introduction ... 78
2 Planification off-line ... 79
2.1 Mise en forme du problème ... 79
2.1.1 Optimisation en flux d‘énergie ... 79
2.1.2 Expression du coût et des contraintes ... 80
2.1.3 Journée test de base ... 83
2.2 Algorithmes de planification globale des trajectoires de consignes ... 84
2.2.1 Programmation quadratique Séquentielle (SQP) ... 84
2.2.2 Algorithme Génétique avec nichage Clearing (CL) ... 85
2.2.3 Algorithme Clearing hybride (CLh) ... 86
2.2.4 Optimisation par Essaims Particulaires (PSO) ... 87
2.3.1 Programmation Dynamique (DP) ... 89
2.3.2 Programmation Dynamique auto-adaptative (DPa) ... 92
3 Résultats de planification off-line : comparaison d’algorithmes ... 94
3.1 Optimisation avec volant d'inertie et prise en compte des contraintes réseau ... 94
3.1.1 Comparaisons des algorithmes ... 94
3.1.2 Etudes des coût et profils optimaux retenus ... 98
3.2 Optimisation avec volant d'inertie et prise en compte de la puissance souscrite ... 101
3.2.1 Journée test considérée ... 101
3.2.2 Résultats obtenus ... 101
3.3 Optimisation avec une batterie Li-ion et prise en compte des contraintes réseau... 103
3.3.1 Modification de la fonction coût ... 103
3.3.2 Résultats avec contraintes réseau pour le modèle de vieillissement batterie à comptage de cycles ... 105
3.3.3 Résultats avec contraintes pour le modèle de vieillissement batterie à énergie échangée ... 106
4 Correction on-line des consignes ... 109
4.1 Position du problème ... 109
4.1.1 Prise en compte des erreurs entre prévisions et réalisés ... 109
4.1.2 Mise en place d'une bande de tolérance autour de l‘engagement prévu ... 109
4.2 Procédure de correction on-line ... 111
4.2.1 Algorithmes on-line ... 111
4.2.2 Prise en compte des délestages ... 113
4.2.3 Procédure globale et critères de qualité ... 114
4.3 Résultats de simulation ... 115
5 Conclusions ... 118
C
HAPITREIV :
R
EDUCTION DU TEMPS DE CALCUL POUR LA BOUCLE DE GESTION OFF-
LINE ...1211 Introduction ... 122
2 Résolution de la planification par programmation linéaire ... 123
2.1 Programmation Linéaire et problème de gestion des microréseaux ... 123
2.2 Mise sous forme linéaire du problème de gestion off-line ... 123
2.2.1 Hypothèses simplificatrices pour le modèle du microréseau ... 123
2.2.2 Construction de la fonction coût ... 125
2.2.3 Construction des contraintes ... 125
2.3 Réparation des consignes issues de la LP ... 127
2.3.1 Dépassements des contraintes ... 127
2.3.2 Adaptation des références... 128
2.4 Essais sur une journée test avec stockage inertiel et contraintes réseau ... 131
3 Modification du problème linéaire ... 133
3.1 Robustesse de la procédure LPr ... 133
3.2.1 Introduction de variables supplémentaires ... 133
3.2.2 Mise en forme du problème linéaire ... 134
3.2.3 Essais sur la journée test ... 136
3.3 Prise en compte des dépassements de puissance souscrite ... 137
3.3.1 Mise en forme du problème ... 137
3.3.2 Résolution sur une journée test ... 138
4 Redéfinition du problème pour un stockage électrochimique ... 140
4.1 Prise en compte du vieillissement batterie ... 140
4.1.1 Expression linéaire de l‘usure ... 140
4.1.2 Modification de la fonction coût pour la LP ... 141
4.2 Résultat obtenus pour une journée test avec contraintes réseau ... 141
5 Simulation de profils longs et études de cas ... 143
5.1 Horizons de planification élargis et complexité de résolution par LP ... 143
5.2 Résolution de mission à l‘année ... 144
5.2.1 Comparaison entre une optimisation par LPr et DPa ... 144
5.2.2 Etudes de différents dimensionnements pour un cas avec volant ... 146
5.2.3 Etude avec batterie et contrainte de sollicitation ... 147
5.3 Impact des différents coûts d‘investissement... 149
5.4 Respect du rang avant et après réparation des consignes (PL et PLr) ... 152
6 Conclusions ... 153
C
HAPITREV :
D
IMENSIONNEMENT OPTIMAL DU MICRORESEAU... 155
1 Introduction ... 156
2 Problème de dimensionnement ... 157
2.1 Fonction objectif et données d‘entrée ... 157
2.2 Ajout de variables et domaine de recherche global ... 158
2.3 Etude de sensibilité par plans d‘expériences... 159
3 Algorithme de dimensionnement optimal ... 160
3.1 Optimisation par surface de réponse (RSM) ... 160
3.2 Interpolation par Krigeage ... 162
3.2.1 Notion de variogramme ... 162
3.2.2 Equations de Krigeage ... 165
3.2.3 Exemples 1D et 2D ... 167
3.3 Algorithme Efficient Global Optimization (EGO) ... 169
3.3.1 Maximisation de l‘« amélioration espérée » ... 169
3.3.2 Exemples 1D et 2D ... 170
3.3.3 Dimensionnement à trois variables du microréseau ... 173
3.3.4 Dimensionnement du microréseau à cinq variables... 174
3.3.5 Fonction objectif plate ... 175
4 Dimensionnements pour un cas avec volants d’inertie ... 176
4.1 Contexte d‘achat actuel ... 176
4.1.2 Optimisation à deux paramètres Enom et PPVnom (Ps fixé à 156 kVA) ... 178
4.1.3 Optimisation à deux paramètres Enom et Ps (PPVnom fixé à une valeur nulle) ... 179
4.1.4 Optimisation à deux paramètres PPVnom et Ps (Enom fixé à une valeur nulle) ... 180
4.1.5 Optimisations à trois et cinq paramètres ... 181
4.2 Augmentation des tarifs d‘achat ... 182
4.2.1 Optimisation à un seul paramètre Enom ... 182
4.2.2 Optimisation à deux paramètres Enom et PPVnom ... 183
5 Redéfinition du problème de dimensionnement ... 185
5.1 Valorisation par l'effacement ... 185
5.1.1 Modélisation et rétribution des effacements ... 185
5.1.2 Dimensionnement sous contraintes ... 186
5.1.3 Optimisation à un seul paramètre Enom ... 187
5.1.4 Optimisation à deux paramètres PPVnom et Enom ... 188
5.2 Optimisation du contexte tarifaire ... 190
5.2.1 Etude à configuration fixe ... 190
5.2.2 Résultats obtenus ... 191
5.3 Optimisation pour un cas avec batterie Li-ion ... 192
5.3.1 Intégration du coût batterie ... 192
5.3.2 Résultats obtenus ... 193
6 Conclusions ... 196
C
ONCLUSION GENERALE... 199
A
NNEXES... 205
Annexe A : Données constructeurs pour les modules solaires
...
206Annexe B : Données constructeurs pour les éléments Li-ion
...
208Annexe C : Modèle de vieillissement par énergie échangeable pondéré pour les accumulateurs Li-ion
...
212Annexe D : Performances des algorithmes d‘optimisation off-line sur les journées tests
...
216Annexe E : Influence des erreurs d‘estimations prévisions/réalisés sur les performances du suivi de profil on-line
...
224Annexe F : Mise en forme du problème MILP pour un cas avec volant d'inertie
...
228Annexe G : Profils supplémentaires de production/consommation
...
230Annexe H : Etude de sensibilité par plans d‘expériences
...
232Annexe I : Tirage aléatoire de points par hypercubes latins
...
237Annexe J : Paramètres de contrôle de l‘interpolation par Krigeage
...
239Annexe K : Performance discutable de l‘EGO sur des fonctions test
...
241L
ISTE DES SYMBOLESPconso : Profil de consommation en kW
Pprod : Profil de production en kW
Pa : Flux au niveau du compteur achat en kW
Pv : Flux d‘énergie au niveau du compteur vente en kW
Ps : Puissance souscrite en kVA
Ca : Profil pour les tarifs d‘achat en €/kWh
Cv : Profil pour les tarifs de vente en €/kWh
Cdep : Pénalités de dépassements de puissance souscrite en €/h
Pres : Puissance soutirée (ou injectée) au réseau en kW
Pres_min : Profil pour la limite inférieure de Pres en kW
Pres_max : Profil pour la limite supérieure de Pres en kW
Pst : Flux au niveau du stockage en kW
Pst_min : Puissance maximale en charge du stockage en kW
Pst_max : Puissance maximale en décharge du stockage en kW
SOC : Etat de charge du stockage – State Of Charge en %
SOCmin : Limite inférieure en état de charge en %
SOCmax : Limite supérieure en état de charge en %
SOCstart : Valeur initiale d‘état de charge (optimisation off-line) en %
SOCend : Valeur finale d‘état de charge (optimisation off-line) en %
Enom : Energie nominale des éléments de stockage en kWh
SOH : Etat de charge du stockage pour les batteries – State Of Health en %
Eech_max : Energie maximum échangeable avant usure totale de l‘élément Li-ion en kWh
DOD : Profondeur de décharge (accumulateur Li-ion) – Depth Of Discharge en %
Pprod-ch : Part de production autoconsommée ou utilisée pour charger le stockage en kW
ΔPPV : Part de production dégradée en kW
ƞCVS,k : Rendement du convertisseur (CVS) associé au k
ème sommet du graphe %
pi : Flux - sur-numérotation pour la mise en équations du chapitre II en kW
Ginc : Ensoleillement incident sur les panneaux photovoltaïques en W/m²
T : Température ambiante pour le calcul de la production solaire en °C
αa : Azimut du soleil en °
αh : Hauteur du soleil en °
αi : Inclinaison des panneaux en °
αo : Orientation des panneaux en °
Pref : Vecteur (ou matrice) contenant les variables d‘optimisation (flux d‘énergie) en kW
lb : Vecteur (ou matrice) contenant les bornes inférieures pour les variables en kW
ub : Vecteur (ou matrice) contenant les bornes supérieures pour les variables en kW
C(Pref) : Fonction « coût journalier » optimisé en off-line en €
Cnl(Pref) : Vecteur contrainte pour l‘optimisation off-line en kW et %
pl : Probabilité de mutation par recherche locale dans le CLh en %
ΔSOC : Discrétisation du SOC dans la DP en %
Cbat : Coût batterie sur une mission donné en € ou k€
Cbat_inti : Coût d‘investissement initial pour une batterie en € ou k€
εP : Bande de tolérance autour du profil optimal Pres à suivre en on-line en kW
εSOC : Bande de tolérance autour du profil optimal SOC à suivre en on-line en % CL : Vecteur de calcul du coût en Programmation Linéaire -
A : Matrice des contraintes pour le problème en Programmation Linéaire -
A : Vecteur des contraintes pour le problème en Programmation Linéaire -
n : Nombre d‘échantillon temporels dans le problème linaire -
Jn : Vecteur contenant n coefficients unitaires -
In : Matrice identité nn -
0n : Matrice nulle nn -
Tn : Matrice triangulaire inférieure nn avec coefficients unitaires -
εLP : Marge prise sur les contraintes du problème linéaire en %
εst : Coefficient de pertes dans le stockage du problème linéaire en %
Cfct : Coût de fonctionnement (annuel) du microréseau en k€
Cinst : Coût (annuel) des installations en k€
CLP : Coût (annuel) total - sans réparation des consignes en k€
0 : Effet de pépite du variogramme (Krigeage) -
: Effet de seuil du variogramme (Krigeage) -
a : Portée de seuil du variogramme (Krigeage) -
TRI : Temps de Retour sur Investissement en an
Keff : Profondeur d‘effacement en %
Ceff_f : Prime fixe pour les effacements (capacité de stockage)
en
k€/MW/an
A
BREVIATIONSGES : Gaz a Effet de Serre
EnR : Energie d‘origine Renouvelable
IEA : Agence Internationale de l‘Energie - International Energy Agency WEO : World Energy Outlook
Mtep : Million de tonnes équivalent pétrole
GIEC : Groupe d‘experts intergouvernemental sur l‘évolution du climat ADEME : Agence de l‘Environnement et de la Maîtrise de l‘Energie TURPE : : Tarifs d'Utilisation des Réseaux Public d'Electricité EJP : Effacements Jour de Pointe
CRE : Commission de Régulation de l‘Energie PV : Photovoltaïque
NOME : Nouvelle Organisation du Marché de l'Électricité ARENH : Accès Régulé à l‘Electricité Nucléaire Historique
SEI : Couche de passivation à l‘électrode négative (Li-ion) - Solid-Electrolyte Interphase RFC : Vieillissement batterie par comptages de cycles - Rain Flow Counting
ENech : Vieillissement batterie par énergie échangeable
SQP : Programmation Quadratique Séquentielle - Sequential Quadratic Programming DP : Programmation Dynamique - Dynamic Programming
DPa : Programmation Dynamique auto-adaptative LP : Programmation Linéaire - Linear Programming
MILP : Programmation Linéaire avec Entier - Mixt Integer Linear Programming LPr : Procédure LP (ou MILP) suivi d‘une réparation des variables
PSO : Optimisation par Essaims Particulaires – Particule Swarm Optimisation AG : Algorithme Génétique
CL : Clearing Algorithme génétique avec nichage
CLh Clearing hybridé avec un opérateur de recherche locale HP/HC : Tarifs d‘achat Heures Pleines / Heures Creuses
MPPT : Maximum Power Point Tracking
RFC : Vieillissement par comptage de cycles pour les éléments Li-ion - Rainflow Counting ENehc : Modèle de vieillissement à énergie échangeable pour les éléments Li-ion
LPr : Programmation Linéaire et réparation des consignes
RSM : Méthodes par Surface de Réponse - Response Surface Methods EI : Amélioration Espérée (EGO) - Expected Improvement
I
NTRODUCTION GENERALE
Les chocs pétroliers successifs de 1973 et 1979 ont révélé l‘importance de la donnée énergétique pour soutenir la croissance et répondre aux besoins de consommation toujours plus importants avec l‘augmentation de la population et l‘évolution des modes de vie. La limite des stocks de pétrole, de gaz ou de charbon ne fait plus de doute aujourd‘hui,bien que les dates des pics de production pour les différentes ressources fassent toujours débat. Au problème d‘approvisionnement énergétique viennent s‘ajouter les questions environnementales avec les Sommets de la Terre de Rio (1992) et Kyoto (1997). Le réchauffement climatique déjà observable est attribué à l‘activité humaine et entraine une sériederecommandationpour réduire des émissions de gaz à effets de serre (GES).Comment concilier alors ces responsabilités environnementales avec la production énergétique mondiale reposant aujourd‘hui encore à plus de 80 % sur les énergies fossiles (IAE 13), émettrices de CO2 et dont le déclin est par nature inévitable ? C‘est tout l‘enjeu des discussions sur la nécessité d‘une transition énergétique. Sans remettre profondément en cause les modèles de consommation, les différentes hypothèses de transition reposentnotamment sur une utilisation accrue du vecteurélectricité (Gouv 13). L‘avènement attendu du véhicule particulier électrique donne un exemple dans le domaine du transport. Cependant, le problème est davantage déplacé que résolu dans le contexte d‘une production électriqueencore dominée par l‘utilisation des combustibles fossiles (40 % de l‘électricité mondiale issue du charbon).Un des principaux levier de la transition énergétique (ou électrique) se trouve donc dans l‘augmentation des moyens de génération d‘origine renouvelable.
Déjà présente à travers l‘hydroélectricité et dans une moindre mesure avec l‘utilisation de biogaz, la production électrique à base d‘énergie renouvelable (EnR) a connu un essor particulier depuis une vingtaine d‘années dans les domaines de l‘éolien et du photovoltaïque (PV). Grâce aux progrès technologiques, mais également avec l‘évolution des réglementations et des politiques de subventions, une multitude de producteurs ont pu se raccorder,leur objectif principal étantde vendre l‘électricité issue de parcs éoliens ou PV avec des capacités allant de quelques kW à la dizaine MW selon les sites. Historiquement, l‘architecture du réseau électrique repose sur le triptyque « production-transport-distribution » avec des centrales de production de forte puissance depuislacentaine de MW pour les centrales au gaz jusqu‘au GW des tranches nucléaires. Dans ce contexte, la gestion du réseau électrique consiste à ajuster en permanence cette production centralisée pour garantir un équilibre constant avec la consommation. L‘implantation de générateurs décentraliséset non contrôlables, car reposant sur des sources intermittentes, a modifié en profondeur la structure du réseau électrique en passant d‘un modèle vertical à une situation davantage clustérisée. La gestion devient également moins évidente avec de nouveaux acteurs pouvant être à la fois consommateurs et producteurs : c‘est le concept nouveau de « consommacteurs ». Outre les limites physiques de capacité des lignes dans certaines régions, c‘est avant tout l‘intermittence qui a tendance a freiner l‘installation de nouveaux parcs EnR. Dans les sites insulaires, une limite de production à 30 % d‘origine renouvelable est par exemple fixée afin de garantir la stabilité du réseauélectrique.
Pour continuer à favoriser l‘implantation de générateurs EnR et amorcer ainsi l‘ébauche d‘une transition énergétique, une gestion plus «intelligente» des sources de production etdes consommations doit être envisagée. Ceci est un des aspects du concept de Smart Grid souvent cité et qui sera développé au chapitre I. L‘idée est à terme de considérer le réseau électrique comme une multitude de
microréseaux de plus petite taille gérés indépendamment mais devantparticiper à l‘équilibre global entre production et consommation.Un des moyens de rendre plus flexible la gestion des microréseaux peut consister à mettre en place des moyens de stockage ajoutant un degré de liberté pour contrôler les flux d‘énergie consommée ou produite. Si le stockage centralisé à grande échelle n‘est rentable sur le plan technico-économique, les progrès réalisés dans les différentes technologies permettent aujourd‘hui d‘envisager un stockage distribué sous réserve d‘avoir une évolution des réglementations, au plan tarifaire notamment. En effet, tout comme il y a une quinzaine d‘années pour le solaire ou éolien, l‘opportunité de raccordement de moyens de stockage est actuellement en discussion afin d‘en fixer les règles d‘usage et de rétribution en fonction des services apportés : écrêtage de consommation, effacement, lissage de l‘intermittence des EnR, etc.
L‘étude menée dans cette thèse a pour objet un microréseau composé d‘un générateur solaire et d‘un consommateur tertiaire associé à un moyen de stockage. Deux technologies sont envisagées avec des volants d‘inertie dans un premier temps et une batterie électrochimique (Li-ion) par la suite.Le travail s‘inscrit dans le projet Smart ZAE. Implanté à Toulouse, ce projet soutenu par l'ADEME et suivi par la CRE réunit le laboratoire LAPLACE, l'entreprise CIRTEM spécialisée dans la conversion de puissance et le constructeur de volants d'inertie haute vitesse LEVISYS. La SCLE SFE (groupe INEO GDF Suez) est le leader de Smart ZAE et assure la mise en œuvre de la Gestion Technique Centralisée du microréseau. Le site de démonstration est basé à Toulouse dans les locaux de SCLE SFE.Le système a la particularité d‘être raccordé au réseau principal et la stratégie de gestion doit donc prendre en compteles composantes d‘achat et de vente en fonction des tarifs en vigueur. Cette stratégie qui sera présentée au Chapitre I et développée au Chapitre IIIrepose sur le suivi en temps réel d‘un profil de puissance optimal établi la « veille pour le lendemain ». La valorisation du microréseau est donc envisagée en améliorant la prédictibilité des puissances soutirées ou injectées sur le réseau. Cette approche est intéressanteen se plaçant du point de vue du fournisseur d‘énergie qui peut alors estimer plus finement en amont la quantité d‘énergie dont ses clients ont besoin et réduire ainsi ses achats d‘énergie en temps réel sur le marché de gros à des tarifs plus élevés.
Outre la mise en place des méthodes de gestion, les travaux de cette thèse visent à élaborer une procédure de conception optimale pour le type de systèmes étudié. L‘objectif est de définir un optimum technico-économique en fonction des données de consommation et production mais aussi du contexte tarifaire, ceci en intégrant les coûts d‘installation des différents composants. L‘évaluation de ce coût final est fortement liée à la manière dont est piloté le microréseau à travers la facture énergétique et les bénéfices tirés d‘une gestion adaptée. L‘idée est donc de considérer la boucle de gestion dès la phase de dimensionnement en l‘intégrant dans la procédure de conception. Dans ce contexte, des simulations du fonctionnement du microréseau sur de longues périodes (i.e. mois, années) sont nécessaires pour appréhender correctement son environnement (gisement de production et missions de consommation). Elles peuvent cependant vite s‘avérer prohibitives en temps de calcul en fonction des modèles développés et des algorithmes de gestion envisagés. La démarche entreprise dans cette thèse consiste alors à trouver une adéquation entre la méthode de résolution et la granularité des modèles de manière à pouvoir dimensionner facilement le système et étudier l‘impact de différents paramètres d‘entrée (contexte tarifaire notamment).
En fonction des aspects abordés, ce mémoire de thèse se décompose en cinq chapitres pour aboutir à la procédure de dimensionnement finale :
Chapitre I : Microréseaux intelligents avec moyen de stockage
Chapitre II : Modélisation du système
Chapitre III : Algorithmes pour la gestion du microréseau
Chapitre IV : Réduction du temps de calcul pour la boucle de gestion
Chapitre V : Dimensionnement optimal du microréseau
Le chapitre I se veut introductif en reprenant l‘ensemble des points abordés jusqu‘à présent en rappelant le contexte énergétique ainsi que l‘organisation du réseau électrique dans son ensemble. Certaines évolutions du marché de l‘électricité sont également mentionnées. Cet élément économique devient prépondérant avec une électricité devenue aujourd‘hui un produit boursier dématérialisé bien que devant toujours répondre à des contraintes physiques réelles (peu de stocks, équilibre nécessaire entre production et consommation). Une attention particulière est portée sur les moyens de stockage sans pour autant répertorier l‘ensemble des technologies, ce qui est très bien fait par ailleurs dans d‘autres travaux (Ferreira 13). Nous nous intéressons ici davantage à la place que peuvent prendre ces outils dans la gestion du réseau électrique malgré le vide réglementaire actuel - si cela reste vrai en France, il faut noter qu‘en Allemagne le marché du stockage résidentiel est déjà ouvert avec une politique incitative et des subventions sur les installations. Le chapitre se poursuit par la présentation des problématiques de conception et de gestion des microréseaux avec un état de l‘art sur les types de modèles employés et les différentes méthodes de résolution utilisées. Nous nous situerons notamment par rapport à d‘autres travaux sur des systèmes similaires avec imbrication de la boucle de gestion dans la procédure de dimensionnement.
Le microréseau étudié est décrit en détail dans le chapitre II qui traite des modèles développés pour représenter les différents composants du système. Nous abordons en particulier le problème du vieillissement des moyens de stockage à travers l‘usure des éléments électrochimiques. Cet aspect est important du point de vue du dimensionnement dans la mesure où la durée de vie des éléments, et donc le coût final est dans ce cas lié à la manière dont ils sont utilisés.
Les modèles mis place sont intégrés au chapitre III dans les algorithmes de gestion du microréseau. Dans un premier temps, cette gestion procède d‘une optimisation « off-line », établie la veille pour le lendemain. L‘objectif est de diminuer la facture énergétique en tenant compte des données prédites de consommation et production mais également des politiques tarifaires en vigueur et d‘éventuelles contraintes de fonctionnement imposées par le fournisseur d‘énergie. Différentes méthodes d‘optimisation sont développées et comparées en termes de performance et temps de calcul. Ce type de comparaison pour des optimisations sur base de profils déterministes existe déjà pour des systèmes similaires (Anvari 11) (Kanchev 14). Ici, différentes classes de méthodes sont envisagées : procédure déterministes, algorithmes stochastique ou optimisation « pas à pas » des trajectoires.. La stratégie de suivi en temps réel du profil optimal prévu est également abordée. Cette seconde optimisation « on-line » consiste à tenir compte des inévitables écarts entre les prévisions et les valeurs réelles pour la production et la consommation. Cet aspect n‘est pas fortement développé dans ce mémoire de thèse consacré davantage au dimensionnement d‘installations. Il reste cependant un point crucial car pour de telles stratégies, la taille du stockage notamment est intimement liée à lajustesse des prévisions qui détermine directement les corrections à apporter pour respecter un engagement sur un profil de puissance : (Haessig 13) se focalise spécifiquement sur cet aspect en basant le dimensionnement du stockeur sur un modèle statistique des erreurs de prédiction de production.
Le chapitre IV redéfinit le problème de gestion off-line en se basant surun modèle simplifié permettant d‘utiliser des méthodes de résolution rapides (Rigo 13). Le but est d‘accélérer suffisamment la boucle gestion pour permettre de simuler une année entière et de commencer à faire varier les dimensions des composants afin d‘étudier leur impact sur l‘évolution de la facture énergétique.
Le chapitre V détaillefinalement la mise en œuvre de la procédure de conception optimale intégrant l‘algorithme gestion rapide du microréseau. Le dimensionnement se base sur la procédure
Efficient Global Optimization (EGO) qui a l‘avantage de nécessiter peu d‘évaluations de la fonction
objectif à minimiser tout en effectuant une interpolation sur l‘ensemble de l‘espace de recherche (Jones 98). Cette interpolation repose sur une distribution probabiliste de la fonction dans le domaine d‘étude et utilise la méthode du Krigeage (Matheron 63) qui permet de construire une surface de réponse avec un nombre limité de données. Le chapitre s‘achève sur différents essais de dimensionnement pour des cas avec volants d‘inertie et batterie. L‘influence du contexte tarifaire est notamment étudiée et les bénéfices du moyen de stockage analysés en fonction des différents services (arbitrage, dépassements de puissance souscrite, effacement de consommation). Le but est de définir des domaines de tarifs permettant de justifier l‘installation d‘un stockage et se diriger vers une politique incitative de manière à soutenir le développement des EnR et amorcer la transition énergétique.
Il apparaît finalement nécessaire de rappeler que les travaux de cette thèse sont avant tout méthodologiques et reposent sur des résultats de simulation. Certains de ces résultats, ceux permettant notamment de comparer les performances des méthodes d‘optimisation, sont renseignés dans les différentes annexes afin de ne pas alourdir le corps de texte principal. Aucune expérience n‘a donc pu être menée en parallèle de cette thèse pour valider entre autres la stratégie de gestion. Ceci fera l‘objet de prochains travaux au sein du groupe GENESYS avec notamment l‘installation en 2015 au laboratoire LAPLACE d‘une plateforme de production solaire modulable. De même, dans lecontexte du projet Smart ZAE, les lois de gestion optimisées seront implantées en temps réel sur le site de SCLE SFE, ces dernières ayant fait l‘objet d‘un transfert industriel au cours de la thèse.
C
HAPITRE
I
Microréseaux intelligents avec moyen
de stockage
R
ESUME:
Ce chapitre présente le contexte énergétique ayant motivé l'émergence du concept de Smart Grid. Le système étudié dans la thèse se positionne dans le domaine des microréseaux avec stockage raccordés au réseau principal. Les enjeux de tels systèmes concernant leur gestion et leur dimensionnement sont abordés ici avec un état de l'art de l'ensemble des méthodes utilisées.
1
I
NTRODUCTIONL'augmentation de la population, la course à la croissance et le développement de l'économie mondialisée se sont accompagnés d'une explosion de la consommation énergétique depuis les années 60, et plus particulièrement de l'énergie électrique. Mis en avant avec les chocs pétroliers de 1973 et 1980, les enjeux énergétiques prennent une forme nouvelle avec les deux premiers Sommets de la
Terre de Rio (1992) et Kyoto (1997) qui ont pointé la raréfaction des ressources terrestres et la
nécessité de réduire les émissions de gaz à effet de serre (GES) (Kyoto 97). Ainsi depuis une quinzaine d'années la production d'énergie électrique d'origine renouvelable (EnR) progresse avec l'implantation de parcs éoliens et solaires venant s'ajouter aux groupes hydrauliques déjà présents. Une transition énergétique apparait aujourd'hui inévitable dans l‘organisation de la production et de la commercialisation de l‘électricité en raison des profondes évolutions de nature physique (caractère intermittent des sources d‘électricité renouvelables), comme de nature économique (l‘électricité devenant aussi un produit de marché) (Web EPEX).
A partir de ce contexte énergétique, ce chapitre présente les développements rencontrés ces dernières années dans le réseau électrique et sa gestion à travers l'émergence du concept de « Smart Grid ». Cette appellation couvre un grand nombre de domaines en particulier l'utilisation de moyens de stockagepour faire face à l‘intermittence des sources renouvelables mais ces technologies se heurtent encore aujourd'hui à des verrous économiques et réglementaires. Le sujet de cette thèse se positionne ainsi dans l'optique d'utiliser un ou des moyen(s) de stockage au sein d'un microréseau comportant des sources de production et consommation intermittentes, le tout étant connecté au réseau principal.
Après avoir situé la classe de problème visée et le projet particulier qui constitue notre cas d‘étude, la seconde moitié du chapitre se veut davantage méthodologique en traitant de notre principal axe de recherche dans les microréseaux. Il concerne l‘optimisation du processus de conception systémique intégrant les problématiques de gestion et de dimensionnement pour les éléments du microréseau. Les solutions choisies dans cette thèse sont présentées par rapport aux méthodes rencontrées dans la littérature. Comme dans de nombreuses études le fonctionnement du microréseau est envisagé en optimisant les flux d‘énergie de manière à minimiser le coût financier à partir des données environnementales et tarifaires (Colson 09a). En vue d'une conception optimale du système une approche imbriquant boucle de gestion et boucle de dimensionnement (Whitefoot 11) est envisagée mais nécessite une réduction intelligente de la complexité du problème.
2
C
ONTEXTE ENERGETIQUE2.1
Consommation et mix énergétique
De nombreuses institutions contribuent à dresser des bilans qui permettent d‘apprécier le contexte et les tendances du secteur de l‘énergie à différentes échelles géographiques (nationales, régionales ou planétaire) et pour différents niveaux d‘exploitation ou d‘usage (primaire, final, utile). Ainsi, chaque année l'agence internationale de l'énergie (International Energy Agency, IEA) édite un rapport annuel sur les tendances de consommation énergétique de la planète. Le Word Energy Outlook (WEO) dresse un bilan de l'ensemble des secteurs de l'énergie depuis la production jusqu'à l'utilisation finale avec des
comparaisons entre les différents états ainsi que des projections d‘évolutions. La Figure I.1 extraite du WEO 2013 montre le mix énergétique en millions de tonnes équivalent pétrole (Mtep). La part des combustibles fossiles dans le bouquet énergétique mondial reste encore élevée à 82%. Cette tendance maintenue durant le quart de siècle passé avec une forte croissance du gaz et du charbon devrait s‘infléchir durant le quart de siècle à venir avec un développement du renouvelable supérieur aux autres sourceset ramenant ainsi cette proportion à 75% en 2035
Figure I.1 : Mix énergétique mondial – a) mix en 2011 – b) Croissance dans chaque secteur de 1987 à 2011 et
projections à 2035 (IEA 13)
D‘autres sources de données font apparaître dans le mix énergétique la notion d‘« électricité primaire » qui nécessite un effort de compréhension au risque de fausser l‘interprétation des chiffres. Dans cette optique la Figure I.2 illustre un digramme des flux d‘énergie mondiaux pour l‘année 2007 édité par la Lawrence Livermore National Laboratory (Smith 11). Cette représentation permet particulièrement d‘apprécier comment sont transformées et exploitées les ressources énergétiques depuis leurs diverses formes primaires d‘extraction dans la nature jusqu‘aux formes finales pour les grands secteurs d‘usage. Nous y observons par exemple que le charbon participe fortement à la génération d‘électricité et à la production de chaleur pour l‘industrie. Le pétrole est exploité dans les transports, son usage principal, et comme précurseur dans l‘industrie chimique. Le gaz connaît des usages plus diversifiés tandis que certaines ressources sont quasi-exclusivement mobilisées pour générer de l‘électricité (nucléaire et renouvelable hors biomasse et géothermie) avec des taux de conversion différents en fonction des sources.
Ainsi, bien que l‘électricité soit normalement une énergie finale ou un vecteur énergétique obtenu par transformation d‘une source primaire la notion d‘« électricité primaire » est considérée comme la somme des électricités d'origines nucléaire, hydraulique, éolienne, solaire, photovoltaïque et géothermique, c‘est-à-dire provenant de sources non carbonées quasi-exclusivement transformées en électricité. L‘évaluation de cette énergie primaire équivalente prend en compte les différents taux de conversion pour chaque type de source (33% pour le nucléaire, 90% pour l‘hydraulique de stock, 100% pour les autres renouvelables), une précision importante pour la lecture des données qui suivent et exploitent cette notion.
Pétrole (31.5 %) Charbon (28.8 %) Gaz (21.3 %) Nucléaire (5.1 %) Hydraulique (2.3 %) Biogaz (10 %) Autres (1 %) a) 0 500 1000 1500 2000 2500 3000 Nucléaire Pétrole EnR Charbon Gaz
Total de 13 113 Mtep pour l‘année 2011
1987 - 2011 2011 - 2035
b)
Figure I.2 : Diagramme des flux d‘énergie mondiaux en 2007 (Smith 11)
Le tracé du mix énergétique primaire (incluant l‘électricité primaire) en million de tonnes équivalent pétrole (Mtep) fait apparaître une forte progression depuis les années 70 (Figure I.3a) avec une augmentation de 250 % pour une croissance de la population de 90 % (IAE 12) (Web BP). Comme déjà évoqué, le pétrole reste au premier rang d‘un mix énergétique dominé à 80 % par les combustibles fossiles à l‘échelle mondiale. Le gaz et le charbon (abondant et peut coûteux) se sont fortement développés notamment avec les besoin accrus en électricité dont ils représentent aujourd‘hui 60 % de la génération. A noter cependant une forte progression des sources d'énergies renouvelables dont la contribution a été multipliée par 10 depuis 1990 même si elles ne représentent encore aujourd'hui que 2 % de la production mondiale sans compter l'hydraulique (80 % de la production EnR).
Figure I.3:Consommation d'énergie primaire - a) dans le monde - b) en France
Le cas français (Figure I.3b) montre de la même manière que la consommation d'énergie augmente davantage que la population avec 15 % d'augmentation contre 8 % d'habitants en plus
0 2 4 6 8 0 4000 8000 12000 1970 1980 1990 2000 2012 0 20 40 60 0 100 200 300 a) b) 1970 1980 1990 2000 2012 Population (Milliard hab) Energie primaire
(Mtep) Energie primaire (Mtep) (Million hab)Population
Population
depuis 1990. Le léger recul de l'énergie consommée observé depuis les années 2000 s'explique par la crise de 2008. Les courbes font également apparaître l‘importance particulière du vecteur électricité dans le mix français avec le programme nucléaire initié à la fin des année 70 et destiné à réduire la dépendance au pétrole, l'électricité primaire représente aujourd'hui 45 % du mix énergétique primaire français alors que les contributions des énergies fossiles ont progressivement baissé au fil des décennies (Web INSEE). En prenant cependant en compte le rendement de conversion de 33 % pour la génération nucléaire notamment, l‘électricité ne représente qu‘en réalité 22% du mix énergétique final français.
Si les Etats-Unis restent le principal consommateur d'uranium, la France présente une génération d‘électricité singulière avec la plus grande part d'énergie atomique dans son mix. En 2013, le nucléaire a participé à 73 % des 550 TWh électriques produits en France. Avec une contribution encore très faible des EnR d'origine solaire et éolienne, l'hydraulique y reste la première source renouvelable (14%) (Figure I.4). A noter que pour la même année la consommation électrique en France s'est élevée à 476 TWh avec une exportation de 14 % de l'énergie produite vers le réseau européen au niveau des connexions avec les états frontaliers (RTE 14).
Figure I.4:Bilan de production électrique 2013 en France (RTE 14)
2.2
Ressources fossiles limitées et transition énergétique
Le modèle énergétique du XXémesiècle basé quasi-exclusivement sur des ressources fossiles a entrainé une exploration et une exploitation plus coûteuses de gisements toujours plus difficiles d‘accès et de moins bonne qualité. Le surcoût induit, aussi bien financier qu'humain, se traduit par une augmentation des moyens énergétiques mis en jeu dans la filière. Ainsi le taux de retour énergétique c'est à dire le ratio entre l'énergie extraite et l'énergie nécessaire à l'extraction est passé de 100 à moins de 10 pour le pétrole depuis les années 50 (Cleveland 84). Les pétroles et gaz non conventionnels illustrent bien cette problématique où d'importants moyens sont mis en jeu pour extraire des ressources dont la qualité est moindre que les ressources fossiles « classiques » d'où des taux estimés de retour énergétique assez faibles - environ 5 pour les sables bitumineux (Murphy 11) et moins de 2 pour le pétrole de schiste (Cleveland 11). Sujets à de nombreux débats, les pics de production des ressources ne font à présents plus aucun doute si la dépense énergétique doit demeurer pour soutenir la croissance économique (Murphy 14) (Montenon 13).
A la prise de conscience de la limitation des ressources fossiles disponibles s'est ajoutée la nécessité de réduire les émissions des GES à l'échelle de la planète afin de limiter le réchauffement climatique (Kyoto 97), cette préoccupation nouvelle devenant même prioritaire à la suite des travaux du GIEC. La production d'électricité à partir de ressources renouvelables est apparue comme une solution logique à ce double enjeu énergétique et environnemental avec une réglementationforçant les
Nucléaire 403 Thermique 45 Hydraulique 76 Enr 23 Gaz 43 % Charbon 44 % Fioul 13 % Eolien 60 % Autres Enr (Biomasse, Géothermie) 23 % Photovoltaïque 17 %
Etats à intégrer le développement des sources EnR dans leur politique énergétique (Directive
européenne 2001/77/CE du 27 septembre 2001). Ainsi depuis les années 2000, poussée par des tarifs
d'achat incitatifs et des subventions sur les installations (Campoccia 07) la part d‘électricité d'origine éolienne ou photovoltaïque (PV) a considérablement augmenté en venant s'ajouter à l'hydraulique déjà présent. Intervenant dans le contexte d‘ouverture à la concurrence du marché européen de l‘électricité (Directive 96/92 de 1996 transposée en France en février 2000)de nouveaux acteurs ont pu raccorder des parcs éoliens (Figure I.5a) et photovoltaïques (Figure I.5b) au réseau français. Les puissances installées correspondantes ont continué à augmenter malgré l'inquiétude des investisseurs suscitée par le Moratoire sur les tarifs d'achat en décembre 2010. Ainsi, aujourd'hui, par exemple, l'objectif fixé par le Grenelle de l'environnement en 2007 de 5400 MW photovoltaïques en 2020 apparaît facilement atteignable.
Figure I.5: Evolution du parc renouvelable en France - a) Solaire - b) Eolien (RTE 14)
Malgré cette forte progression l'ensemble des sources d'énergie renouvelables reste faible représentant par exemple en 2010 13 % du mix énergétique final pour l'Union Européenne avec une importante contribution de la biomasse et de l'hydraulique. Les efforts doivent donc être entretenus pour respecter l'objectif des "320" (20 % de réductions des émissions de CO2d'ici 2020, 20 % d'efficacité énergétique en plus et 20 % de renouvelables dans le mix énergétique) fixé par le Plan
Energie-Climat de 2008.
Nul ne sait comment vont évoluer les habitudes de consommation et de production qui doivent changer afin de répondre aux problématiques posées et amorcer une véritable transition énergétique. Plusieurs scénarios sont envisagés avec des hypothèses différentes sur la mutation du mix énergétique ou la baisse de la consommation. A l'échelle internationale le Current Policies Scenario envisage par exemple une continuité dans les tendances observées aujourd'hui sans changements majeurs (Business As Usual), et le 450 Scenariovise une borne maximum à 450 ppm pour la concentration de CO2 dans l'atmosphère recommandée par le GIEC afin de limiter le réchauffement climatique à 2 C (IEA 12). Ce scénario s'appuie en particulier sur un développement significatif des EnR s'accompagnant d'une forte amélioration de l‘efficacité énergétique pour les usages finaux et permettant ainsi une diminution progressive de l'utilisation des ressources fossiles. En France le gouvernement a lancé début 2013 un
Débat National sur la Transition Energétique dont les premières conclusions ont été publiées en
Juillet. Ce rapport s'appuie sur plusieurs scénarios nationaux et internationaux à l'horizon de 20302050 regroupés en quatre trajectoires principales (Figure I.6) (Gouv 13):
0 1 2 3 4 5 0 1000 2000 3000 4000 5000 2005 2007 2009 2011 2013 Energie produite (TWh) Production installée (MW) Capacité de production 0 6 12 18 0 3000 6000 9000 2002 2005 2008 2011 2013 a) b) Energie produite (TWh) Production installée (MW)
DEC:Demande forte et décarbonisation par l'électricité dans les transports en commun notamment avec un doublement du parc nucléaire (tout en maintenant 70 % dans la production d'électricité), croissance limitée du renouvelable et stabilité des fossiles.
DIV:Demande moyenne et diversité des vecteurs avec un développement du renouvelable et une rénovation partielle du parc nucléaire.
EFF:Efficacité énergétique renforcée et diversification des vecteurs avec une croissance importante du renouvelable ainsi qu'une diminution partielle du nucléaire et de l'ensemble des fossiles.
SOB:Sobriété énergétique avec une baisse importante de la consommation accompagnée une sortie du nucléaire et des fossiles en général.
Figure I.6: Classement des différents scénarios de transition énergétique (Gouv 13)
L'ensemble des trajectoires envisagées mise donc sur un développement plus ou moins important des sources d'énergie renouvelables particulièrement dans le domaine de la génération électrique. Le réseau électrique déjà existant devra donc lui aussi opérer une mutation indispensable afin d'intégrer au mieux ces nouvelles installations, c‘est pourquoi le gestionnaire de réseau français RTE participe activement à ces réflexions et travaux.
Réduction modérée de la consommation 20% en 2050 Réduction importante de la consommation 50% en 2050 Priorité
Rénouvelables Diversification des vecteurs Diversification des vecteurs Maintien du nucléaire
SOB EFF DIV DEC
Tendanciel Continuité Transition Scenarios Concernés: Négawatt Greenpeace WWF Global chance ADEME GRDF ANCRE sob Encilowcarb ANCRE div RTE nouveau mix
DGEC AMS-0
Négatep RTE médian
ANCRE ele UFE
2.3
Gestion du réseau électrique
2.3.1 Intégration limitée des Enr
L'ensemble des sources d‘énergie renouvelables se sont intégrées à un réseau électrique déjà en place depuis longtemps (électrification massive jusque dans les années 60) avec des règles de gestion précises. La Figure I.7aillustre l'architecture « traditionnelle » d'un réseau électrique avec une structure arborescente des hautes tensions vers les basses tensions depuisla production jusqu'à la distribution en passant par les lignes de transport. Le réseau ainsi conçu permet d'alimenter une consommation répartie sur l'ensemble du territoire à partir d'une production dite « centralisée » avec des générateurs de forte puissance et contrôlables dans une assez large plage de réglage. La gestion « en temps réel » du réseau, assurée aujourd‘hui en France par le gestionnaire de réseau, repose ainsi sur la capacité à garantir en permanence l'équilibre entre production et consommation avec un plan de tension correct (RTE 04). Historiquement en France EDF avait le monopole sur l'ensemble de la chaîne. Suite aux directives européennes (UE 96), l‘ouverture à la concurrence du marché européen de l‘électricité a permis la création de nouveaux acteurs de production et de commercialisation de l'énergie. Contrairement à d'autres pays, la gestion des réseaux de transport en haute tension avec RTE et de distribution (réseaux moyenne et basse tension) avec ERDF reste aujourd'hui sous monopole mais doit composer avec ces nouveaux exploitants pour garantir l'équilibre constant entre l'offre et la demande tout en respectant les contrats d'achat/vente au niveau des interconnexions entre états (RTE 04).
Figure I.7: Schématisation du réseau électrique - a) jusqu'en 2000 - b) aujourd'hui
L'architecture du système électrique a donc commencé à évoluer (Figure I.7b) avec un nombre croissant d'installations photovoltaïques ou éoliennes raccordées directement au réseau de distribution pour les productions de faibles capacités, ou directement au réseau de haute tension pour des parcs plus puissants jusqu'à la dizaine de MW (RTE 14). L'essentiel de la production renouvelable raccordée au niveau de la distribution est constitué de centrales de faible capacité chez les particuliers (ERDF 13). Cette production distribuée diminue les pertes dans le réseau en étant davantage proche des